Buchumschlag

Property-Driven Evaluation of GNN Expressiveness at Scale: Datasets, Framework, and Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Che, Sicong, Yang, Jiayi, Khurshid, Sarfraz, Wang, Wenxi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

APRIL: API Synthesis with Automatic Prompt Optimization and Reinforcement Learning
von: Zhong, Hua, et al.
Veröffentlicht: (2025)

VeriContest: A Competitive-Programming Benchmark for Verifiable Code Generation
von: Xie, Zichen, et al.
Veröffentlicht: (2026)

Can LLMs Reason Like Automated Theorem Provers for Rust Verification? VCoT-Bench: Evaluating via Verification Chain of Thought
von: Xie, Zichen, et al.
Veröffentlicht: (2026)

Generating executable oracles to check conformance of client code to requirements of JDK Javadocs using LLMs
von: Jiang, Shan, et al.
Veröffentlicht: (2024)

OBsmith: LLM-Powered JavaScript Obfuscator Testing
von: Jiang, Shan, et al.
Veröffentlicht: (2025)

Towards Evaluation Engineering: An Empirical Study of ML Evaluation Harnesses in the Wild
von: Zhao, Zhimin, et al.
Veröffentlicht: (2026)

MPBMC: Multi-Property Bounded Model Checking with GNN-guided Clustering
von: Roy, Soumik Guha, et al.
Veröffentlicht: (2026)

A Comprehensive Framework for Evaluating API-oriented Code Generation in Large Language Models
von: Wu, Yixi, et al.
Veröffentlicht: (2024)

SynthTools: A Framework for Scaling Synthetic Tools for Agent Development
von: Castellani, Tommaso, et al.
Veröffentlicht: (2025)

Protocode: Prototype-Driven Interpretability for Code Generation in LLMs
von: Bodla, Krishna Vamshi, et al.
Veröffentlicht: (2025)

SnipGen: A Mining Repository Framework for Evaluating LLMs for Code
von: Rodriguez-Cardenas, Daniel, et al.
Veröffentlicht: (2025)

A Large-Scale Study of Model Integration in ML-Enabled Software Systems
von: Sens, Yorick, et al.
Veröffentlicht: (2024)

Code Generation by Differential Test Time Scaling
von: He, Yifeng, et al.
Veröffentlicht: (2026)

VeriScale: Adversarial Test-Suite Scaling for Verifiable Code Generation
von: Bai, Yifan, et al.
Veröffentlicht: (2026)

Deep-Bench: Deep Learning Benchmark Dataset for Code Generation
von: Daghighfarsoodeh, Alireza, et al.
Veröffentlicht: (2025)

GPU Kernel Scientist: An LLM-Driven Framework for Iterative Kernel Optimization
von: Andrews, Martin, et al.
Veröffentlicht: (2025)

ManiTwin: Scaling Data-Generation-Ready Digital Object Dataset to 100K
von: Wang, Kaixuan, et al.
Veröffentlicht: (2026)

EGSS: Entropy-guided Stepwise Scaling for Reliable Software Engineering
von: Mao, Chenhui, et al.
Veröffentlicht: (2026)

Understanding LLM-Driven Test Oracle Generation
von: Bodicoat, Adam, et al.
Veröffentlicht: (2026)

A Theoretical Analysis of Test-Driven Code Generation
von: Menet, Nicolas, et al.
Veröffentlicht: (2026)

DeepKnowledge: Generalisation-Driven Deep Learning Testing
von: Missaoui, Sondess, et al.
Veröffentlicht: (2024)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

Scaling Down to Scale Up: A Cost-Benefit Analysis of Replacing OpenAI's LLM with Open Source SLMs in Production
von: Irugalbandara, Chandra, et al.
Veröffentlicht: (2023)

miniCodeProps: a Minimal Benchmark for Proving Code Properties
von: Lohn, Evan, et al.
Veröffentlicht: (2024)

A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms
von: Raheem, Mira, et al.
Veröffentlicht: (2025)

Protocol-Driven Development: Governing Generated Software Through Invariants and Continuous Evidence
von: He, Jun, et al.
Veröffentlicht: (2026)

Code Reborn AI-Driven Legacy Systems Modernization from COBOL to Java
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

Sketch-and-Verify: Structured Inference-Time Scaling via Program Sketching
von: Jiang, Shan, et al.
Veröffentlicht: (2026)

SWE-Replay: Efficient Test-Time Scaling for Software Engineering Agents
von: Ding, Yifeng, et al.
Veröffentlicht: (2026)

BitsAI-Fix: LLM-Driven Approach for Automated Lint Error Resolution in Practice
von: Li, Yuanpeng, et al.
Veröffentlicht: (2025)

AI-Driven Code Refactoring: Using Graph Neural Networks to Enhance Software Maintainability
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

A Reference Architecture of Reinforcement Learning Frameworks
von: Liu, Xiaoran, et al.
Veröffentlicht: (2026)

A Framework to Model ML Engineering Processes
von: Morales, Sergio, et al.
Veröffentlicht: (2024)

Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities
von: Afifi, Nehal, et al.
Veröffentlicht: (2025)

Evaluating the Use of LLMs for Documentation to Code Traceability
von: Alor, Ebube, et al.
Veröffentlicht: (2025)

Monitizer: Automating Design and Evaluation of Neural Network Monitors
von: Azeem, Muqsit, et al.
Veröffentlicht: (2024)

Methodological Framework for Quantifying Semantic Test Coverage in RAG Systems
von: Broestl, Noah, et al.
Veröffentlicht: (2025)

OpenClassGen: A Large-Scale Corpus of Real-World Python Classes for LLM Research
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2025)

Order Matters! An Empirical Study on Large Language Models' Input Order Bias in Software Fault Localization
von: Rafi, Md Nakhla, et al.
Veröffentlicht: (2024)

SMARTCAL: An Approach to Self-Aware Tool-Use Evaluation and Calibration
von: Shen, Yuanhao, et al.
Veröffentlicht: (2024)